基于PROSPECT模型的冬小麦水分监测方法、监测系统技术方案

本发明专利技术公开是关于基于PROSPECT模型的冬小麦水分监测方法、监测系统，涉及植物水分监测领域，该方法包括：步骤1：测定各生育期的冬小麦植株的含水率；步骤2：建立冬小麦的PROSPECT模型；步骤3：对冬小麦光谱特征分析，筛选水分光谱敏感波段；步骤4：通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型。本公开技术方案基于叶绿素含量、等效水厚度和干物质含量等实测值和其他输入数据建立的PROSPECT辐射传输模型，得出了模型反射率，进而通过植株含水率和模型反射率的相关性分析筛选出了各生育期的敏感波段，通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型，探究了PROSPECT辐射传输模型在冬小麦水分监测方面的效果与精度。

【技术实现步骤摘要】
基于PROSPECT模型的冬小麦水分监测方法、监测系统
本专利技术公开涉及植物水分监测领域，尤其涉及基于PROSPECT模型的冬小麦水分监测方法、监测系统。
技术介绍
小麦是我国重要的商品粮和战略性的主要粮食储备品种。华北平原总面积约40万km2；占全国23％的耕地面积，生产了近40％的粮食。冬小麦作为华北平原种植面积最大的粮食作物，其产量占全国的50％以上。冬小麦需耗水相关研究一直是华北地区农业节水研究的热点与重点。精准农业是农业现代化的新方向，其主要是通过实现诸如农田水分状况等农田信息的实时获取，进而实现对农田的现代化管理，从而形成新时期现代化的农业生产模式和农业技术体系，为现代农业生产提供较为重要的技术条件。作物的含水率是生长发育的关键指标之一，对于其生理生态结构有较为直接的影响，同时对于小麦的生产也有重要意义。准确地实时获取植株含水率信息，对于精准农业的发展以及农业水资源的高效利用具有重要意义。基于反射率来实现植株水分监测的相关实施例研究开始于20世纪70年代初，发展到21世纪的今天，相关研究者就作物含水率敏感波段筛选建模等问题有了较为深入的研究。哈布热等研究表明，在350nm～750nm波长范围内，成熟期冬小麦的冠层光谱反射率随植株含水率的增大而降低，其中由661nm和771nm敏感波段构建的水分监测模型效果最好。PROSPECT模型是由Jacquemoud和Baret在1990年首次提出的、目前较为常用的植物叶片辐射传输模型，它是基于“平板模型”的辐射传输模型，其描述了叶片尺度上的光学特性，通过输入结构参数和生化组分含量两类参数来得到叶片的反射率与透射率。阮杨春研究表明基于高光谱和PROSPECT模型对植物叶面滞尘含量的估算有较好的效果；王洋等研究发现PROSPECT叶片辐射传输模型对叶片干物质含量具有较好的估测能力；陆成研究发现改进后的PROSPECT模型对于叶片重金属铜含量的反演模拟值更能表征实测值，模拟效果更好。在数据分析方法方面，相关学者做了诸多详细的比较研究。例如，孙拱基于线性回归模型进行了叶片含水率的反演研究；张智韬等研究发现利用多元线性回归方法可以得到最佳监测深度来进行土壤含水率的反演；宋玉等研究发现运用多元线性回归法可以较好地适用于艾比湖流域胡杨叶片含水率反演模型建立；陈硕博等研究发现一元线性模型和多元线性回归模型可以较好地实现冬小麦土壤含水量反演研究。以上是近年来研究者们对于作物水分监测、PROSPECT模型等的相关研究，但针对冬小麦基于PROSPECT模型进行水分反演方面的研究相对较少，而且在精度方面还有待提高，仍需要进一步开展实施例研究获取更好的监测效果以及更精准的反演程度。
技术实现思路
为克服相关技术中存在的问题，本专利技术公开实施例提供了基于PROSPECT模型的冬小麦水分监测方法、监测系统。所述技术方案如下：根据本专利技术公开实施例的第一方面，提供一种基于PROSPECT模型的冬小麦水分监测方法，该基于PROSPECT模型的冬小麦水分监测方法包括：步骤1：测定各生育期的冬小麦植株的含水率；步骤2：建立冬小麦的PROSPECT模型；步骤3：对冬小麦光谱特征分析，筛选水分光谱敏感波段；步骤4：通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型。在一个实施例中，步骤1中，采用烘干法测定植株含水率，选用如下所示的湿基含水率公式计算冬小麦植株含水率：式(1)中：C为湿基含水率，％；Lw为鲜重，g；Ld为干重，g。在一个实施例中，步骤2：建立冬小麦的PROSPECT模型中，该模型未区分色素对于反射率模拟的影响作用，故Cbr为0；垂直拍摄角度为0，测定数据包括叶片结构参数N、叶绿素含量Cab(μg/cm2)、类棕色素含量Cbr(μg/cm2)、等效水厚度EWT(g/cm2)、干物质含量LMA(g/cm2)、垂直拍摄角度(°)。在一个实施例中，步骤2：对于同品种的冬小麦，可以用该SPAD值来表征叶绿素的相对含量，测定时，通过如下公式，将叶绿素相对含量值(SPAD值)转化为叶绿素绝对含量值，来表示模型输入数据中的叶绿素含量Cab：Cab＝6.34299*eSPAD*0.04379-6.10629(2)。在一个实施例中，步骤2：采用如下公式计算干物质含量：式(3)中：Ld为叶片干重，g；LA为叶面积，cm2；其中，LA计算公式如下：式(4)中，n为第i株的总叶片数，个；m为测定株数，株；Lij为叶长，cm；Bij为最长叶宽，cm。在一个实施例中，步骤2：本实施例采用如下公式计算等效水厚度：式(5)中：Lw为叶片鲜重，g；Ld为干重，g；LA为叶面积，cm2。根据本公开实施例的第一方面，提供一种根据权利要求1所述基于PROSPECT模型的冬小麦水分监测方法的基于PROSPECT模型的冬小麦水分监测系统，其特征在于，所述基于PROSPECT模型的冬小麦水分监测系统包括：计算模块，所述第一计算模块用于测定各生育期的冬小麦植株的含水率；第一模型建立模块，所述第一模型建立模块用于建立冬小麦的PROSPECT模型；分析模块，所述分析模块用于对冬小麦光谱特征分析，筛选水分光谱敏感波段；第二模型建立模块，所述第二模型建立模块用于通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型。根据本公开实施例的第一方面，提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：步骤1：测定各生育期的冬小麦植株的含水率；步骤2：建立冬小麦的PROSPECT模型；步骤3：对冬小麦光谱特征分析，筛选水分光谱敏感波段；步骤4：通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型。根据本公开实施例的第一方面，提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：步骤1：测定各生育期的冬小麦植株的含水率；步骤2：建立冬小麦的PROSPECT模型；步骤3：对冬小麦光谱特征分析，筛选水分光谱敏感波段；步骤4：通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型。本专利技术公开的实施例提供的技术方案可以包括以下有益效果：水分监测对于探究作物生长情况具有重要作用，有利于节水灌溉以及作物的需耗水方面的研究，尤其在新时期精准农业与农业现代化的实现方面具有重要的现实意义。本研究利用田间实测数据结合PROSPECT模型以探究华北地区冬小麦水分监测的模型适用性情况。本实施例以北京大兴地区的冬小麦为研究对象，在实施例小区设置了三个水分梯度处理，基于叶绿素含量、等效水厚度和干物质含量等实测值和其他输入数据建立的PROSPECT辐射传输模型，得出了模型反射率，进而通过植株含水率和模本文档来自技高网...

【技术保护点】
1.一种基于PROSPECT模型的冬小麦水分监测方法，其特征在于，该基于PROSPECT模型的冬小麦水分监测方法包括：/n步骤1：测定各生育期的冬小麦植株的含水率；/n步骤2：建立冬小麦的PROSPECT模型；/n步骤3：对冬小麦光谱特征分析，筛选水分光谱敏感波段；/n步骤4：通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型。/n

【技术特征摘要】
1.一种基于PROSPECT模型的冬小麦水分监测方法，其特征在于，该基于PROSPECT模型的冬小麦水分监测方法包括：
步骤1：测定各生育期的冬小麦植株的含水率；
步骤2：建立冬小麦的PROSPECT模型；
步骤3：对冬小麦光谱特征分析，筛选水分光谱敏感波段；
步骤4：通过各生育期敏感波长的模型反射率构建了冬小麦植株含水率的多元回归模型。


2.根据权利要求1所述的基于PROSPECT模型的冬小麦水分监测系统，其特征在于，步骤1中，采用烘干法测定植株含水率，选用如下所示的湿基含水率公式计算冬小麦植株含水率：



式(1)中：C为湿基含水率，％；Lw为鲜重，g；Ld为干重，g。


3.根据权利要求1所述的基于PROSPECT模型的冬小麦水分监测方法，其特征在于，步骤2：建立冬小麦的PROSPECT模型中，该模型未区分色素对于反射率模拟的影响作用，故Cbr为0；垂直拍摄角度为0，测定数据包括叶片结构参数N、叶绿素含量Cab、类棕色素含量Cbr、等效水厚度EWT、干物质含量LMA、垂直拍摄角度。


4.根据权利要求1所述的基于PROSPECT模型的冬小麦水分监测方法，其特征在于，步骤2：
对于同品种的冬小麦，可以用该SPAD值来表征叶绿素的相对含量，测定时，通过如下公式，将叶绿素相对含量值(SPAD值)转化为叶绿素绝对含量值，来表示模型输入数据中的叶绿素含量Cab：
Cab＝6.34299*eSPAD*0.04379-6.10629(2)。


5.根据权利要求1所述的基于PROSPECT模型的冬小麦水分监测方法，其特征在于，步骤2：
采用如下公式计算干物质含量：



式(3)中：Ld为叶片干重，g；LA为叶面积，cm2；
其中，LA计算公式如下：



式(4)中，n为第i株...

【专利技术属性】
技术研发人员：魏征，张宝忠，彭致功，陈鹤，蔡甲冰，谢天慧，潘岩，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京;11